K 线图快速绘制教程：使用 KLineChart 展示 DolphinDB K 线

2024-08-29 19:28
文章标签 使用 教程 快速 展示 绘制 线图 dolphindb klinechart

本文主要是介绍K 线图快速绘制教程：使用 KLineChart 展示 DolphinDB K 线，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

KLineChart 是一款开源、简单易用、适用场景丰富的 Web 前端金融图表，基于 html5 canvas 构建，零依赖压缩包仅 40K，非常轻量。它可以用于渲染金融 K 线图，同时支持多种数据源，提供了丰富的交互功能以及指标计算接口。由于 KLineChart 高度可定制且用户友好，非常适合开发者将复杂的图表功能集成到其他金融应用程序中。

DolphinDB 身为一个高性能的数据库，不仅在存储和数据分析上具有优势，也提供了丰富的 API 接口和插件，和各种外部工具对接和集成。DolphinDB JavaScript API 封装了操作 DolphinDB 数据库的能力，如：连接数据库、执行脚本、调用函数、上传变量、订阅流表等。利用该 API，用户可以读取 DolphinDB 数据与前端工具自由对接。

本文将以对接 KLineChart 为例，展示如何读取在 DolphinDB 中存储的 K 线数据，以快速绘制前端 K 线图。

数据准备

本例使用的 K 线数据通过下述示例文件 candle_201801.csv 文件导入，以下为导入脚本：

t = loadText("<yourPath>/candle_201801.csv")
share t as jsTable

示例数据：单只股票一个月的数据

1. 数据类型

与前端工具的对接的主要难点在于字段的对齐，即从 DolphinDB 中读取的数据类型必须与前端工具接收的数据类型对齐，保证数据可以对接。

KLineCharts 对于对接的数据有固定的字段名和类型要求：

{// Timestamp, millisecond, required fieldstimestamp: number// Open price, required fieldsopen: number// Close price, required fieldclose: number// Highest price, required fieldhigh: number// Lowest price, required fieldlow: number// volume, optional fieldvolume: number// Turnover, a non-required field, if you need to display the technical indicators 'EMV' and 'AVP', you need to fill this field with data.turnover: number
}

从 DolphinDB 下载数据到 JavaScript 时，对应的数据类型转换关系为（下表仅列出部分常规类型）：

DolphinDBJavaScript
TEMPORAL（所有时间类型）STRING/SYMBOLDECIMALCHARString
LONGBigInt
DOUBLE/FLOATINT/SHORTNumber

2. 环境准备

导入 KLineCharts 的 JavaScript 代码如下：

<head><title>DolphinDB</title><meta charset="utf-8"><script type="text/javascript" src="https://cdn.dolphindb.cn/vendors/klinecharts/dist/umd/klinecharts.min.js"></script>
</head>

通过模块化方式引入 DolphinDB JavaScript API 并建立与 DolphinDB 节点的连接。

import { DDB } from 'https://cdn.dolphindb.cn/assets/api.js;
let conn = new DDB('ws://ip:port');

3. 通过历史数据生成 K 线

通过 JavaScript API 的 execute 方法可以直接执行 DolphinDB 脚本。

此处使用 SQL Select 语句查出 K 线数据中绘图必要的字段 timestamp, open, high, low, close, volume, turnover。

conn.execute('select unixTime as timestamp, open, high, low, close, volume, turnover from jsTable');

DolphinDB 中上述数据字段对应的数据类型为：

字段DolphinDB 类型JavaScript 类型
unixTimeLONGBigInt
openDOUBLENumber
highDOUBLENumber
lowDOUBLENumber
closeDOUBLENumber
volumeINTNumber
turnoverDOUBLENumber

可以发现 unixTime 会转换为 BigInt 类型，与 KLineChart 的 Number 类型不一致，此处需要进行一个转换。有两种转换思路：

（1）在 DolphinDB 端转换，直接转成不丢失精度的 DOUBLE 类型：

const re = await conn.execute('select double(unixTime) as timestamp, open, high, low, close, volume, turnover from jsTable');

（2）使用 JavaScript 脚本进行强制类型转换：

const re = await conn.execute('select unixTime as timestamp, open, high, low, close, volume, turnover from jsTable');
// 默认是 bigInt 需要转成 Number
re.data.forEach(item => {item.timestamp = Number(item.timestamp);
});

上述两种类型转换方式都可以成功绘制出 KLine 图，但在本例中，第一种方法更为高效。

KLineChart 的 applyNewData 接口适配于全量数据的渲染，因此本例中调用 chart.applyNewData 写入历史数据。

// 绘制 kline
const chart = klinecharts.init('k-line-chart');
chart.applyNewData(re.data);

最后绘制的效果如下：

图3-1 K 线绘制示例

上述完整可参考的 HTML 脚本如下：

<!DOCTYPE html>
<html>
<head><title>DolphinDB</title><meta charset="utf-8"><script type="text/javascript" src="https://cdn.dolphindb.cn/vendors/klinecharts/dist/umd/klinecharts.min.js"></script>
</head>
<body><div id="main" style="width: 600px; height:50px;"></div><div id="k-line-chart" style="height:800px;"></div><script type="module">import { DDB } from 'https://cdn.dolphindb.cn/assets/api.js';// <ip:port> 需要替换成自己的 DolphinDB 节点 ip 和端口号。let conn = new DDB('ws://<ip:port>');const re = await conn.execute('select unixTime as timestamp, open, high, low, close, volume, turnover from jsTable');// 默认是 bigInt 需要转成 Numberre.data.forEach(item => {item.timestamp = Number(item.timestamp);});const chart = klinecharts.init('k-line-chart');chart.applyNewData(re.data);</script>
</body>
</html>

4. 通过实时数据生成 K 线

如果通过历史数据合成 K 线，只需要将数据通过 DolphinDB SQL 查询计算，全量获取结果，然后调用该接口写入前端即可渲染展示。

如果上游接入的是实时数据源，则前端有两种方案去获取后端的实时数据：

  • 通过 DolphinDB 的 JavaScript API 的流订阅的接口：使用 JavaScript API 的流订阅接口获取实时数据时，后端增量推送实时数据到前端，前端累积订阅数据，通过回调函数发布给 KLineChart 进行展示。该方式的优点在于后端增量推送数据，且前端有数据到来才会去回调渲染 K 线。
  • 通过 SQL 的定时轮询查询获：使用 SQL 定时轮询查询获取实时数据，和基于历史数据生成 K 线类似，只是查询对象从普通表替换成了流数据表。上游数据流入流表，API 定时查询进行前端渲染。其优点在于对于不需要频繁渲染的场景，可以自行调控渲染的时间间隔，而不是每次数据更新都去渲染；其缺点是 SQL 每次都全量读取后端的数据，如果数据量大，会造成很大的延时，无法实现流订阅接口那样增量推送即时渲染效果。

对于前端数据的渲染，KLineChart 提供的函数对应了两种追加方式：

  • 全量追加（较为推荐）：使用 chart.applyNewData 函数。添加新数据，此方法会清空图表数据，不需要额外调用clearData方法。
  • 增量追加：使用 chart.updateData 函数。更新数据，目前只会匹配当前最后一条数据的时间戳，相同则覆盖，不同则追加。

用户可以根据各自的场景选取合适的方式实现，下文给出两种方式的实现参考。

4.1 流数据订阅

解决方案：DolphinDB 后端利用行情插件、消息中间件等实时拉取或实时合成 K 线数据，前端利用 JavaScript API 的流数据接口订阅 K 线数据。

JavaScript API 的流数据订阅示接口如下：

export interface StreamingParams {table: stringaction?: stringhandler (message: StreamingMessage): any
}

其中 handler 部分用于定义回调函数，对每次接收到的订阅数据进行处理。KLineChart 绘图逻辑可以在 handler 中实现。

全量追加：JavaScript API 的 message 对象维护了一个缓存所有订阅数据的接口 message.window.data，可以直接将该对象应用在 chart 上以实现实时 KLine 图像绘制。

handler (message) {chart.applyNewData(message.window.data); // 更新图表数据
}

增量追加：借助 chart.updateData 接口进行数据追加或更新。该接口支持最后一条数据的更新和逐条数据追加，因此对于 API 端获取的增量 Array 数据，需要用 forEach 进行遍历。调用后，KLineChart 对每新增的一条数据都去渲染一次前端的图表，其性能较全量追加的方案会略差。

handler (message) {message.data.data.forEach(function(data){chart.updateData(data)}); // 更新图表数据
}

如果有数据过滤或处理的需求，也可以通过 message.data.data 获取每个批次订阅到的数据。

上述完整可参考的 HTML 脚本如下：

<!DOCTYPE html>
<html>
<head><title>DolphinDB</title><meta charset="utf-8"><script type="text/javascript" src="https://cdn.dolphindb.cn/vendors/klinecharts/dist/umd/klinecharts.min.js"></script>
</head>
<body><div id="main" style="width: 600px; height:50px;"></div><div id="k-line-chart" style="height:800px;"></div><script type="module">import { DDB } from 'https://cdn.dolphindb.cn/assets/api.js';const chart = klinecharts.init('k-line-chart');let allData = []; // 用于累积所有接收到的数据const lastData = [];let conn = new DDB('ws://<ip:port>', {autologin: true,username: 'admin',password: '123456',streaming: {table: 'st', // 替换成自己的流表名action: 'sub',// 流数据处理回调, message 的类型是 StreamingMessagehandler (message) {chart.applyNewData(message.window.data); // 更新图表数据// 或者// message.data.data.forEach(function(data){//    chart.updateData(data)//});}}})await conn.connect()</script>
</body>
</html>

执行该 HTML 脚本前，需要先创建流数据表 st：

t1 = select timestamp(unixTime) as ts, double(unixTime) as timestamp, open, high, low, close, volume, turnover from jsTable
share streamTable(1:0, ['ts', 'timestamp', 'open', 'high', 'low', 'close', 'volume', 'turnover'], [TIMESTAMP, DOUBLE, DOUBLE, DOUBLE, DOUBLE, DOUBLE, INT, DOUBLE]) as st

建立流订阅后，在 DolphinDB 后端通过 replay 接口模拟实时流数据回放：

注意：由于目前 JavaScript API 流订阅暂不支持设置  offset，默认从最新一条数据发起订阅（offset=-1）。需要前端脚本执行建立连接后，再调用  replay 函数进行回放。 
// 回放流表，模拟实时数据注入
replay(inputTables=t1, outputTables=st, dateColumn=`ts, replayRate=1000, absoluteRate=true);

由于 replay 需要指定回放的时间列，该时间列必须是 DolphinDB 时间类型的数据，且 DolphinDB 的时间字段在 JavaScript 端会转换为字符串，因此不能和 KLineCharts 的时间字段共用。为此，本例额外定义了 ts 字段作为回放时间列字段。

4.2 SQL 定时轮询

解决方案：在后端接收或合成 KLine 数据，然后通过流表推送到一个键值表（按照时间去重）。前端定时查询该键值表并刷新 K 线图表。

利用 KLineChart 的 applyNewData 的特性：自动清空图表数据，不需要额外调用 clearData 方法。每次执行查询获取 DolphinDB 端的数据后，直接调用 chart.applyNewData 即可，无需再调用刷新数据的方法。

由于 JavaScript API 的执行接口是异步的，因此定时调用的函数也需要封装成异步的接口：

async function updateChart(conn) {const re = await conn.execute('select timestamp, open, high, low, close, volume, turnover from kt');chart.applyNewData(re.data);
}

前端定时查询利用 setInterval 函数即可实现，刷新的时间间隔根据具体的场景设置，本例由于数据源是通过 replay 函数每秒匀速回放的，故而采用每秒刷新一次的方案,，如果对前端刷新要求不高，可以手动调整这个参数。

setInterval(() => updateChart(conn), 1000)

上述完整可参考的 HTML 脚本如下：

<!DOCTYPE html>
<html>
<head><title>DolphinDB</title><meta charset="utf-8"><script type="text/javascript" src="https://cdn.dolphindb.cn/vendors/klinecharts/dist/umd/klinecharts.min.js"></script>
</head>
<body><div id="main" style="width: 600px; height:50px;"></div><div id="k-line-chart" style="height:800px;"></div><script type="module">import { DDB } from 'https://cdn.dolphindb.cn/assets/api.js';const chart = klinecharts.init('k-line-chart');let conn = new DDB('ws://<ip:port>');await conn.connect();async function updateChart(conn) {const re = await conn.execute('select timestamp, open, high, low, close, volume, turnover from kt');chart.applyNewData(re.data);}setInterval(() => updateChart(conn), 1000)</script>
</body>
</html>

执行该 HTML 脚本前，需要先创建共享表 kt：

t1 = select timestamp(unixTime) as ts, double(unixTime) as timestamp, open, high, low, close, volume, turnover from jsTable
share streamTable(1:0, ['ts', 'timestamp', 'open', 'high', 'low', 'close', 'volume', 'turnover'], [TIMESTAMP, DOUBLE, DOUBLE, DOUBLE, DOUBLE, DOUBLE, INT, DOUBLE]) as stshare keyedTable(`timestamp, 1:0, ['ts', 'timestamp', 'open', 'high', 'low', 'close', 'volume', 'turnover'], [TIMESTAMP, DOUBLE, DOUBLE, DOUBLE, DOUBLE, DOUBLE, INT, DOUBLE]) as kt
// 订阅一张实时的流表，然后写入一个 keyedTable 去维护不包含重复时间戳的数据
subscribeTable(tableName="st", actionName="sub_st", handler=kt)

本例中 kt 表订阅流数据表 st 的数据，对其进行时间戳去重。

建立流订阅后，在 DolphinDB 后端通过 replay 接口模拟实时流数据回放：

// 回放流表，模拟实时数据注入
replay(inputTables=t1, outputTables=st, dateColumn=`ts, replayRate=100, absoluteRate=true);

5. 总结

本文利用 DolphinDB JavaScript API 提供的脚本执行和流订阅等接口，实现了与 KLineChart 前端工具的对接。总体流程为：DolphinDB 后端合成和存储 K 线数据，JavaScript API 订阅 K 线数据并将其写入 KLineChart 的图表接口。由于 JavaScript API 接口的封装和适配，以及 KLineChart 轻量级的图表接口，该过程仅需 10 到 20 行代码即可轻松完成。

更复杂的 K 线功能请参考 KLineChart 官方文档： Quick Start | KLineChart

JavaScript API 的用法请参考 DolphinDB 官方文档：JavaScript API

更多 DolphinDB K 线合成的教程可以参考官方教程：基于快照行情的股票和基金 K 线合成

6. 附录

本教程使用的代码文件：完整代码文件

这篇关于K 线图快速绘制教程：使用 KLineChart 展示 DolphinDB K 线的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！


http://www.chinasem.cn/article/1118703。

相关文章

Android kotlin中 Channel 和 Flow 的区别和选择使用场景分析

Android kotlin中 Channel 和 Flow 的区别和选择使用场景分析

《Androidkotlin中Channel和Flow的区别和选择使用场景分析》Kotlin协程中,Flow是冷数据流,按需触发,适合响应式数据处理；Channel是热数据流,持续发送,支持... 目录一、基本概念界定FlowChannel二、核心特性对比数据生产触发条件生产与消费的关系背压处理机制生命周期
阅读更多...
java使用protobuf-maven-plugin的插件编译proto文件详解

java使用protobuf-maven-plugin的插件编译proto文件详解

《java使用protobuf-maven-plugin的插件编译proto文件详解》：本文主要介绍java使用protobuf-maven-plugin的插件编译proto文件,具有很好的参考价... 目录protobuf文件作为数据传输和存储的协议主要介绍在Java使用maven编译proto文件的插件
阅读更多...
SpringBoot线程池配置使用示例详解

SpringBoot线程池配置使用示例详解

《SpringBoot线程池配置使用示例详解》SpringBoot集成@Async注解,支持线程池参数配置（核心数、队列容量、拒绝策略等）及生命周期管理,结合监控与任务装饰器,提升异步处理效率与系统... 目录一、核心特性二、添加依赖三、参数详解四、配置线程池五、应用实践代码说明拒绝策略（Rejected
阅读更多...
C++ Log4cpp跨平台日志库的使用小结

C++ Log4cpp跨平台日志库的使用小结

《C++Log4cpp跨平台日志库的使用小结》Log4cpp是c++类库,本文详细介绍了C++日志库log4cpp的使用方法,及设置日志输出格式和优先级,具有一定的参考价值,感兴趣的可以了解一下... 目录一、介绍1. log4cpp的日志方式2.设置日志输出的格式3. 设置日志的输出优先级二、Window
阅读更多...
Ubuntu如何分配​​未使用的空间

Ubuntu如何分配​​未使用的空间

《Ubuntu如何分配​​未使用的空间》Ubuntu磁盘空间不足,实际未分配空间8.2G因LVM卷组名称格式差异（双破折号误写）导致无法扩展,确认正确卷组名后,使用lvextend和resize2fs... 目录1：原因2：操作3：报错5：解决问题：确认卷组名称​6：再次操作7：验证扩展是否成功8：问题已解
阅读更多...
Qt使用QSqlDatabase连接MySQL实现增删改查功能

Qt使用QSqlDatabase连接MySQL实现增删改查功能

《Qt使用QSqlDatabase连接MySQL实现增删改查功能》这篇文章主要为大家详细介绍了Qt如何使用QSqlDatabase连接MySQL实现增删改查功能,文中的示例代码讲解详细,感兴趣的小伙伴... 目录一、创建数据表二、连接mysql数据库三、封装成一个完整的轻量级 ORM 风格类3.1 表结构
阅读更多...
使用Docker构建Python Flask程序的详细教程

使用Docker构建Python Flask程序的详细教程

《使用Docker构建PythonFlask程序的详细教程》在当今的软件开发领域,容器化技术正变得越来越流行,而Docker无疑是其中的佼佼者,本文我们就来聊聊如何使用Docker构建一个简单的Py... 目录引言一、准备工作二、创建 Flask 应用程序三、创建 dockerfile四、构建 Docker
阅读更多...
Python使用vllm处理多模态数据的预处理技巧

Python使用vllm处理多模态数据的预处理技巧

《Python使用vllm处理多模态数据的预处理技巧》本文深入探讨了在Python环境下使用vLLM处理多模态数据的预处理技巧,我们将从基础概念出发,详细讲解文本、图像、音频等多模态数据的预处理方法,... 目录1. 背景介绍1.1 目的和范围1.2 预期读者1.3 文档结构概述1.4 术语表1.4.1 核
阅读更多...
Python使用pip工具实现包自动更新的多种方法

Python使用pip工具实现包自动更新的多种方法

《Python使用pip工具实现包自动更新的多种方法》本文深入探讨了使用Python的pip工具实现包自动更新的各种方法和技术,我们将从基础概念开始,逐步介绍手动更新方法、自动化脚本编写、结合CI/C... 目录1. 背景介绍1.1 目的和范围1.2 预期读者1.3 文档结构概述1.4 术语表1.4.1 核
阅读更多...
Conda与Python venv虚拟环境的区别与使用方法详解

Conda与Python venv虚拟环境的区别与使用方法详解

《Conda与Pythonvenv虚拟环境的区别与使用方法详解》随着Python社区的成长,虚拟环境的概念和技术也在不断发展,：本文主要介绍Conda与Pythonvenv虚拟环境的区别与使用... 目录前言一、Conda 与 python venv 的核心区别1. Conda 的特点2. Python v
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2